Buchumschlag

Utilizing Transfer Learning and pre-trained Models for Effective Forest Fire Detection: A Case Study of Uttarakhand

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gupta, Hari Prabhat, Mishra, Rahul
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable Metric Learning for Deflating Data Bias
von: Andrews, Emma, et al.
Veröffentlicht: (2024)

Image Processing Based Forest Fire Detection
von: V, Vipin
Veröffentlicht: (2024)

Transfer Learning with Point Transformers
von: Gupta, Kartik, et al.
Veröffentlicht: (2024)

Face Detection: Present State and Research Directions
von: Prabhat, Purnendu, et al.
Veröffentlicht: (2024)

Learning to Calibrate for Reliable Visual Fire Detection
von: Zhang, Ziqi, et al.
Veröffentlicht: (2025)

From pre-training to downstream performance: Does domain-specific pre-training make sense?
von: Krones, Felix
Veröffentlicht: (2026)

Comparative Analysis of Custom CNN Architectures versus Pre-trained Models and Transfer Learning: A Study on Five Bangladesh Datasets
von: Tanvir, Ibrahim, et al.
Veröffentlicht: (2026)

Transfer Learning in ECG Diagnosis: Is It Effective?
von: Nguyen, Cuong V., et al.
Veröffentlicht: (2024)

A Deep Learning-Based CCTV System for Automatic Smoking Detection in Fire Exit Zones
von: Sadat, Sami, et al.
Veröffentlicht: (2025)

Fast constrained sampling in pre-trained diffusion models
von: Graikos, Alexandros, et al.
Veröffentlicht: (2024)

Privacy-Preserving Debiasing using Data Augmentation and Machine Unlearning
von: Pan, Zhixin, et al.
Veröffentlicht: (2024)

Yoga Pose Classification Using Transfer Learning
von: Akash, M. M., et al.
Veröffentlicht: (2024)

A Comparative Study of Custom CNNs, Pre-trained Models, and Transfer Learning Across Multiple Visual Datasets
von: Akhand, Annoor Sharara
Veröffentlicht: (2026)

Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols
von: Luo, Xu, et al.
Veröffentlicht: (2026)

Diff-Instruct: A Universal Approach for Transferring Knowledge From Pre-trained Diffusion Models
von: Luo, Weijian, et al.
Veröffentlicht: (2023)

Comprehensive language-image pre-training for 3D medical image understanding
von: Wald, Tassilo, et al.
Veröffentlicht: (2025)

A Transfer Learning-Based Method for Water Body Segmentation in Remote Sensing Imagery: A Case Study of the Zhada Tulin Area
von: Chen, Haonan, et al.
Veröffentlicht: (2025)

Assessing Visual Privacy Risks in Multimodal AI: A Novel Taxonomy-Grounded Evaluation of Vision-Language Models
von: Tsaprazlis, Efthymios, et al.
Veröffentlicht: (2025)

New Foggy Object Detecting Model
von: Banavathu, Rahul, et al.
Veröffentlicht: (2024)

Attention Transfer Is Not Universally Effective for Vision Transformers
von: Qin, Huaiyuan, et al.
Veröffentlicht: (2026)

Utilizing Synthetic Data for Medical Vision-Language Pre-training: Bypassing the Need for Real Images
von: Liu, Che, et al.
Veröffentlicht: (2023)

SPIRIT: Short-term Prediction of solar IRradIance for zero-shot Transfer learning using Foundation Models
von: Mishra, Aditya, et al.
Veröffentlicht: (2025)

A Medical Data-Effective Learning Benchmark for Highly Efficient Pre-training of Foundation Models
von: Yang, Wenxuan, et al.
Veröffentlicht: (2024)

Post-pre-training for Modality Alignment in Vision-Language Foundation Models
von: Yamaguchi, Shin'ya, et al.
Veröffentlicht: (2025)

k-NN as a Simple and Effective Estimator of Transferability
von: Sorkhei, Moein, et al.
Veröffentlicht: (2025)

Are Traditional Deep Learning Model Approaches as Effective as a Retinal-Specific Foundation Model for Ocular and Systemic Disease Detection?
von: Yew, Samantha Min Er, et al.
Veröffentlicht: (2025)

Explainable Quantum Machine Learning for Multispectral Images Segmentation: Case Study
von: Rybotycki, Tomasz, et al.
Veröffentlicht: (2025)

Detecting Diffusion-generated Images via Dynamic Assembly Forests
von: Fu, Mengxin, et al.
Veröffentlicht: (2026)

Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms
von: Cui, Kangning, et al.
Veröffentlicht: (2025)

Realistic Continual Learning Approach using Pre-trained Models
von: Nasri, Nadia, et al.
Veröffentlicht: (2024)

Do Pre-trained Models Benefit Equally in Continual Learning?
von: Lee, Kuan-Ying, et al.
Veröffentlicht: (2022)

Development and Application of a Sentinel-2 Satellite Imagery Dataset for Deep-Learning Driven Forest Wildfire Detection
von: Martin, Valeria, et al.
Veröffentlicht: (2024)

How to train your ViT for OOD Detection
von: Mueller, Maximilian, et al.
Veröffentlicht: (2024)

Human Fall Detection using Transfer Learning-based 3D CNN
von: Alam, Ekram, et al.
Veröffentlicht: (2025)

Which Model to Transfer? A Survey on Transferability Estimation
von: Ding, Yuhe, et al.
Veröffentlicht: (2024)

Long-Tailed Object Detection Pre-training: Dynamic Rebalancing Contrastive Learning with Dual Reconstruction
von: Duan, Chen-Long, et al.
Veröffentlicht: (2024)

Is Complexity Required for Neural Network Pruning? A Case Study on Global Magnitude Pruning
von: Gupta, Manas, et al.
Veröffentlicht: (2022)

RanPAC: Random Projections and Pre-trained Models for Continual Learning
von: McDonnell, Mark D., et al.
Veröffentlicht: (2023)

Learning to Rank Pre-trained Vision-Language Models for Downstream Tasks
von: Ding, Yuhe, et al.
Veröffentlicht: (2024)

Self-Expansion of Pre-trained Models with Mixture of Adapters for Continual Learning
von: Wang, Huiyi, et al.
Veröffentlicht: (2024)